至顶网软件频道消息: Salesforce日前推出了旗下金融服务云(Financial Services Cloud)的更新,旨在对金融服务公司内的各种孤岛进行归一,并为客户提供整体视图。
Salesforce金融服务部高级副总裁兼总经理Rohit Mahna将这一系列的更新称为统一金融服务。 他表示,"我们早就听说过行业正在从销售转为产品转为关系,再转向客户整体视图。这是一个旅程。"
据悉,Salesforce曾在2016年推出旗下的金融服务云,切入金融服务和科技市场。和医疗保健一样,Salesforce的目标是特定垂直行业。Salesforce的金融服务云现有400多个客户。
金融服务云的策略是将针对行业特定的更新以及Salesforce平台的创新提供给银行、保险公司、金融科技公司等。金融服务公司与大多数成熟行业一样都是采取收购和兼并达到增长的目的,这些公司因而也拥有传统系统、后台运营、零售和商业单位以及复杂的整合点网络。
Mahna将其称之为"工业大杂烩"。最终的结果是碎片型的客户体验,是由各种孤岛、系统和功能导致的。Salesforce收购了MuleSoft后推出Salesforce整合云,计划将各种系统拧成一个客户综合视图。
当然,Salesforce也不是魔杖一挥就能还清科技债,Salesforce的目标是在金融服务公司努力进行简化时成为使能科技。 Salesforce的金融服务云可以提供诸如由Volt Bank和Stripe提供的新奇服务体验,而同时又能连接传统公司的专业和个人账户。
从2019年冬季更新开始,金融服务云将提供商业银行应用程序、行动计划、问卷调查和爱因斯坦机器人整合以及下一步最佳行动建议等功能。金融服务云在2019年春季更新里将提供更多的爱因斯坦分析服务。
金融服务云最终将为金融服务公司的关系经理提供一个仪表板,仪表板可显示推荐人、客户的各种账户和角色(商业,个人和专业)。 Mahna的演示展示了一位经营家庭的女性,她是一名C级高管,需要商业贷款进行扩展。银行从展示在一个屏里的信息就能知道这个人可以使用多个客户服务。
此外,Salesforce还在为旗下的金融服务云组建合作伙伴基础群,Salesforce在与Guidewire、Roostify、eMoney、Jemstep以及一系列其他公司进行整合服务,涉及到借贷、保险和贷款等业务。
好文章,需要你的鼓励
这项研究针对现代文档检索系统中的关键缺陷:独立处理文档片段导致丢失上下文信息。研究团队开发了ConTEB基准测试来评估模型利用文档级上下文的能力,并提出了InSeNT方法,结合后期分块和创新的对比学习策略。实验表明,上下文感知嵌入显著提升检索性能,尤其在处理非自包含文本片段时,同时保持计算效率,对分块策略更具鲁棒性,并且在语料库规模扩大时表现更佳。这一研究为更智能的文档检索系统铺平了道路。
这项由布朗大学和Cohere实验室研究者联合进行的研究全面分析了大型语言模型(LLM)安全研究中的语言不平等现象。通过系统回顾近300篇2020-2024年间的安全相关论文,研究发现LLM安全研究严重偏向英语,即使中文这样的高资源语言也仅获得英语十分之一的研究关注,且这一差距正在扩大。研究还揭示非英语语言很少作为独立研究对象,且英语安全研究常忽略语言覆盖文档化。为解决这一问题,研究者提出了三个未来方向:开发文化敏感的评估基准、创建多语言安全训练数据,以及深入理解跨语言安全泛化挑战。
这项研究提出了ChARM,一种创新的角色扮演AI奖励建模框架,通过行为自适应边界和自我进化策略大幅提升AI角色的真实性和一致性。研究团队创建了包含1,108个角色的RoleplayPref数据集,实验表明ChARM比传统模型提高了13%的偏好排名准确率,应用于DPO技术后在多项基准测试中达到了领先水平。这一突破将为娱乐、教育和心理健康支持等领域带来更加自然、个性化的AI互动体验。
这篇研究重新审视了循环神经网络中的双线性状态转换机制,挑战了传统观点。高通AI研究团队证明,隐藏单元不仅是被动记忆存储,更是网络计算的积极参与者。研究建立了一个从实数对角线到完全双线性的模型层级,对应不同复杂度的状态跟踪任务。实验表明,双线性RNN能有效学习各种状态跟踪任务,甚至只需极少量训练数据。研究还发现,纯乘法交互比加法交互更有利于状态跟踪,为循环网络设计提供了新视角。